我有一个数据框，如下所示：
Year Month Equipment Weight
2017 1 TennisBall 5
2017 1 Football 4
2017 1 TennisBall 6
2017 1 TennisBall 7
2017 1 TennisBall 300
2017 2 TennisBall 300
2018 2 TennisBall 250
2018 2 Football 5
2018 2 TennisBall 6
2018 2 TennisBall 275
...
在上面的示例中，正常情况下，我们仅在2月份才装运300单位的网球，因此使6单位的订单为异常值，而在一月份，正常数量为〜5，因此在当月的离群值。我想根据每月的重量来剔除异常值。有没有简单的方法可以做到这一点？我知道我可以按照以下方式做一些事情：
df1[np.abs(df1.Weight-df1.Weight.mean()) <= (5*df1.Weight.std())]
抓取重量在平均值5个偏差之内的任何东西，但这不会考虑按月部分，在这里我可以看到由于是哪个月，重量发生了巨大变化。谢谢！
编辑：
例如，所需的输出将如下所示：
Year Month Equipment Weight
2017 1 TennisBall 5
2017 1 Football 4
2017 1 TennisBall 6
2017 1 TennisBall 7
2017 2 TennisBall 300
2018 2 TennisBall 250
2018 2 Football 5
2018 2 TennisBall 275
...
1月份的300的离群值被删除（如1月份的超出正常值），而2月份的6的离群值被删除（1月份处于正常值，但是正如2月份那样，这是不正常的）
最佳答案
这对于groupby是一个问题。您可以通过创建两个包含分组的均值和标准差的新列，然后对这些列进行过滤来解决此问题：
# Calculate difference between Weight and mean of group
df['Weight diff'] = df['Weight'].sub(df.groupby(['Year','Month','Equipment'])['Weight'].transform('mean'))
# Calculate standard deviation of group
df['std'] = df.groupby(['Year','Month','Equipment'])['Weight'].transform('std')
# Consider columns satisfying condition
# Include or condition accounting for NaN's from single value groups
df = df.loc[(np.abs(df['Weight diff']) <= df['std']) | (df['std'].isnull())]
# Remove unnecessary columns
df = df.drop(['Weight diff', 'std'], axis=1)
>>> print(df)
0 Year Month Equipment Weight
1 2017 1 TennisBall 5
2 2017 1 Football 4
3 2017 1 TennisBall 6
4 2017 1 TennisBall 7
6 2017 2 TennisBall 300
7 2018 2 TennisBall 250
8 2018 2 Football 5
10 2018 2 TennisBall 275